Como a Bayer está descobrindo o futuro da agronomia com IA generativa

A Bayer Crop Science (BCS), uma divisão da Bayer AG, está comprometida em alavancar inovação, dados, tecnologia de ponta e colaboração para desbloquear soluções que podem ajudar a aprimorar as decisões que os agricultores tomam todos os dias e moldar o futuro da agricultura.

As equipes da BCS e da EY, apoiadas pela parceira de aliança Microsoft, decidiram avaliar as verdadeiras capacidades agronômicas de um grande modelo de linguagem (LLM).

“Nosso relacionamento estabelecido com a BCS serviu como uma base sólida para a colaboração inovadora nesse campo emergente”, diz Michael Seemann, sócio de ciências biológicas da Ernst & Young LLP. “Reunimos rapidamente uma equipe composta por pessoas experientes em agronegócio, planejamento estratégico e tecnologia GenAI para identificar as oportunidades de negócios e o valor potencial da IA na Bayer.”

O LLM, construído no ambiente Microsoft Azure, foi baseado em décadas de conteúdo agregado de agronomia, dados de pesquisa de produtos e insights proprietários. Com informações adicionais armazenadas nos sistemas legados da BCS em formatos tradicionais (ou seja, planilhas e tabelas), a equipe trabalhou duro para traduzir as informações em uma estrutura que o sistema GenAI pudesse compreender. Mas a descoberta de informações não parou por aí. A equipe usou algoritmos para formatar informações de diferentes fontes em dados digeríveis para informar ainda mais o sistema GenAI.

"O sucesso de uma solução GenAI depende de dois fatores críticos: a qualidade dos dados usados como elementos fundamentais da tecnologia e os relacionamentos e padrões estabelecidos nesse conjunto de dados" observa Dan Diasio, Líder Global de Consultoria em Inteligência Artificial da EY. "A solução GenAI da Bayer se destaca em ambos os aspectos."

A equipe precisou construir o sistema GenAI para entender o contexto e os detalhes das consultas em linguagem natural. Por exemplo, o sistema precisava ser capaz de responder: “Qual é a classificação de greensnap para a semente de milho DKC25-15RIB?” que se relaciona com a capacidade de um produto de semente de milho de resistir a ventos fortes durante o período de rápido crescimento.

A equipe empregou a metodologia Retrieval Augmented Generation (RAG) que podia recuperar dinamicamente informações relevantes para responder, em tempo real, às consultas imediatas. A engenharia imediata também foi usada para adaptar ainda mais as respostas do sistema GenAI para ajudar a garantir a precisão e, posteriormente, superar os LLMs de código aberto que atualmente atendem ao mercado em questões de agronomia aplicada.

Para avaliar as capacidades do sistema, a equipe projetou um sofisticado sistema de pontuação que comparou as respostas do sistema GenAI, LLMs de código aberto e especialistas no assunto (SMEs). O conjunto de perguntas foi então expandido e um processo de validação automatizado foi criado. Os resultados foram impressionantes. Ao final do POC de 90 dias, o sistema GenAI estava respondendo com excelente precisão em todos os tópicos, criando grande confiança na equipe e nos usuários.

“É nossa obrigação aplicar os benefícios da IA de forma responsável e consciente”, diz Edward Bobrin, diretor executivo de consultoria de tecnologia, líder de dados e IA da Ernst & Young LLP. “As equipes da EY têm uma compreensão profunda do potencial da IA e dos riscos associados.”

“Em alguns aspectos, o sistema é capaz de superar o que um único indivíduo pode armazenar em seu cérebro”, disse Kurdys. "Pode não substituir o conhecimento de um especialista em um tópico específico. No entanto, é uma ajuda poderosa nas mãos dos agrônomos com base em sua velocidade de recuperação de conhecimento e amplitude de informações acessíveis. Isso ilustra o verdadeiro potencial da tecnologia.”